AI应用开发在众多框架中，LangChain 以其强大的功能脱颖而出，成为开发基于语言模型的应用程序的有力工具。在这篇文章中，我会分享一些帮助我学习和部署 LangChain 的资源。我们将探索 LangChain 的强大功能以及它为开发者和企业带来的好处。
具有上下文感知和推理功能的应用程序
LangChain 使开发者能够创建具有上下文感知能力的应用程序，可以将语言模型与多种上下文源连接起来，如提示指令、少镜头示例和内容基础。这使得应用程序能够基于提供的上下文理解和智能响应。此外，LangChain 还允许应用程序使用语言模型进行推理和做出知情决策，增强了它们采取适当行动的能力。
模块化组件和现成的链条
LangChain 的一个关键优势在于其模块化组件。这些组件为使用语言模型提供了抽象，并为每种抽象提供了一系列实现。无论您是使用完整的 LangChain 框架还是仅使用组件，它们都被设计为模块化且易于使用。这种灵活性使开发者能够轻松定制现有链条和构建新链条。LangChain 还提供了现成的链条，这些预构建的结构化组件组合旨在完成特定的高级任务。这些现成的链条使开发者能够快速高效地开始工作。对于更复杂的应用程序，模块化组件提供了根据特定需求定制链条的灵活性。
丰富的生态系统和资源
LangChain 是一个蓬勃发展的工具和集成生态系统，LangChain 社区提供了丰富的资源，包括 YouTube 教程和由社区编制的精彩 LangChain 项目展示。
以下是一些在学习和使用 LangChain 时可以利用的优秀资源。我会在我的 GitHub上持续更新。
GitHub地址：
https://github.com/QAgentAI/QAgentAI/tree/main/study_langchain_resource
– [Langchain Smith](
https://smith.langchain.com/hub?organizationId=
1efeb0d9-eab7-54d7-bfd6-22070d7756de)：一个集成的开发者平台，专为构建、测试和监控大型语言模型（LLM）应用而设计。
– [Chat Langchain](
https://chat.langchain.com/)：有关 LangChain Python 文档的任何疑问，都可以来问我！
– [Langchain 编程指南](
https://github.com/langchain-ai/langchain/tree/master/cookbook)：提供编程指南中的示例等资源。
– [LangChain](
https://github.com/hwchase17/langchain)：最初的 Python 实现版本
– [LangChain.js](
https://github.com/hwchase17/langchainjs)：JavaScript 实现的兄弟版本
– [Youtube 频道](
https://www.youtube.com/channel/UCC-lyoTfSrcJzA1ab3APAgw)
– [Discord](
https://discord.gg/6adMQxSpJS)：用于讨论和交流的平台
– [Langchain 博客](
https://blog.langchain.dev/)：官方 Langchain 博客，提供最新动态和信息
– [LangChainHub](
https://github.com/hwchase17/langchain-hub)：收集所有与 LangChain 基本组件相关的工具和资源，如提示、链路和代理
– [LangServe](
https://github.com/langchain-ai/langserve)：LangServe 助力开发者将 LangChain 可执行文件和链路作为 REST API 部署。
– [Flowise](
https://github.com/FlowiseAI/Flowise)：使用 LangchainJS 通过拖放 UI 构建定制化的 LLM 流程
– [Langflow](
https://github.com/logspace-ai/langflow)：LangFlow 是 LangChain 的用户界面
– [GPTCache](
https://github.com/zilliztech/GPTCache)：为 LLM 查询创建语义缓存的库
– [Gorilla](
https://github.com/ShishirPatil/gorilla)：LLM 的 API 商店
– [LlamaHub](
https://github.com/emptycrown/llama-hub)：社区制作的 LLM 数据加载器库
– [EVAL](
https://github.com/corca-ai/EVAL)：具有 Langchain 的弹性多功能代理，将执行您的所有请求
– [Auto-evaluator](
https://github.com/PineappleExpress808/auto-evaluator)：使用 Langchain 的轻量级问答评估工具
– [Langchain visualizer](
https://github.com/amosjyng/langchain-visualizer)：LangChain 工作流的可视化和调试工具
– [LLM Strategy](
https://github.com/BlackHC/llm-strategy)：使用 LLM 实现策略模式
– [datasetGPT](
https://github.com/radi-cho/datasetGPT)：命令行界面，用于使用 LLM 生成文本和对话数据集
– [spellbook-forge](
https://github.com/rafalzawadzki/spellbook-forge)：使您的 LLM 提示可执行并进行版本控制
– [Auto Evaluator](
https://github.com/langchain-ai/auto-evaluator)：Langchain 自动评估器
– [Jina](
https://github.com/jina-ai/langchain-serve)：在 Jina 上生产 Langchain 应用
– [Gradio Tools](
https://github.com/freddyaboulton/gradio-tools)：Gradio LLM 代理
– [steamship-langchain](
https://github.com/steamship-core/steamship-langchain)：Steamship 的适配器，使 LangChain 开发者能够快速部署他们的应用
– [LangForge](
https://github.com/mme/langforge)：创建和部署 LangChain 应用的工具包
– [BentoChain](
https://github.com/ssheng/BentoChain)：在 BentoML 上部署 LangChain
– [LangCorn](
https://github.com/msoedov/langcorn)：使用 FastApi 自动服务 LangChain 应用
– [Langchain Service](
https://github.com/kyrolabs/langchain-service)：带有 Qdrant 向量存储和 Kong 网关的固定 Langchain 设置
– [Lanarky](
https://github.com/ajndkr/lanarky)： 使用 FastAPI 发布生产就绪的 LLM 项目
– [Dify](
https://github.com/langgenius/dify)：一个用于插件和数据集的 API，一个用于提示工程和可视化操作的界面，所有这些都用于创建强大的 AI 应用
– [LangchainJS Worker](
https://github.com/rickyrobinett/langchainjs-workers)：在 cloudflare 上的 LangchainJS 工作人员
– [Chainlit](
https://github.com/Chainlit/chainlit)：在几分钟内构建 Python LLM 应用 ??
– [Psychic](
https://github.com/psychic-api/psychic)：非结构化数据的通用 API。将文档从 SaaS 工具同步到 SQL 或向量数据库，在那里它们可以被像 ChatGPT 这样的 AI 应用轻松查询
– [Zep](
https://github.com/getzep/zep)：Zep：LLM / 聊天机器人应用的长期记忆存储
– [Langchain Decorators](
https://github.com/ju-bezdek/langchain-decorators)：在 LangChain 顶部的一层，为编写自定义 langchain 提示和链提供语法糖
– [FastAPI + Chroma](
https://github.com/experienced-dev/chatgpt-plugin-fastapi-langchain-chroma)：ChatGPT 的示例插件，使用 FastAPI、LangChain 和 Chroma
– [AilingBot](
https://github.com/ericzhang-cn/ailingbot)：快速将基于 Langchain 构建的应用集成到 IM 中，如 Slack、微信工作、飞书、钉钉
– [Llama2 Embedding Server](
https://github.com/Dicklesworthstone/llama_embeddings_fastapi_service)：使用 LangChain 的 Llama2 嵌入 FastAPI 服务
– [Private GPT](
https://github.com/imartinez/privateGPT)：使用 GPT 的力量私密地与您的文档互动，100% 私密，无数据泄露
– [CollosalAI Chat](
https://github.com/hpcaitech/ColossalAI/tree/main/applications/Chat)：实现 RLHF 的 LLM，由 Colossal-AI 项目提供支持
– [AgentGPT](
https://github.com/reworkd/AgentGPT)：结合 Langchain 和 OpenAI 的 AI 代理（Vercel / Nextjs）
– [Local GPT](
https://github.com/PromtEngineer/localGPT)：受 Private GPT 启发，使用 Vicuna-7B 模型替换 GPT4ALL 模型，并使用 InstructorEmbeddings 而非 LlamaEmbeddings
– [GPT Researcher](
https://github.com/assafelovic/gpt-researcher)：GPT Researcher 是一个自主代理，专为各种任务的全面在线研究而设计
– [ThinkGPT](
https://github.com/alaeddine-13/thinkgpt)：代理技术增强您的 LLM，并将其推向极限
– [Camel-AutoGPT](
https://github.com/SamurAIGPT/Camel-AutoGPT)：LLM 和自动代理（如 BabyAGI 和 AutoGPT）的角色扮演方法
– [RasaGPT](
https://github.com/paulpierre/RasaGPT)：RasaGPT 是基于 Rasa 和 Langchain 构建的首个无头 LLM 聊天机器人平台
– [SkyAGI](
https://github.com/litanlitudan/skyagi)：LLM 代理中新兴的人类行为模拟能力
– [PyCodeAGI](
https://github.com/chakkaradeep/pyCodeAGI)：一个小型 AGI 实验，用于根据用户想要构建的应用生成 Python 应用
– [BabyAGI UI](
https://github.com/miurla/babyagi-ui)：使在 Web 应用中运行和开发 babyagi 更容易，类似于 ChatGPT
– [SuperAgent](
https://github.com/homanp/superagent)：将 LLM 代理部署到生产环境
– [Voyager](
https://github.com/MineDojo/Voyager)：具有大型语言模型的开放式实体代理
– [ix](
https://github.com/kreneskyp/ix)：自主 GPT-4 代理平台
– [DuetGPT](
https://github.com/kristoferlund/duet-gpt)：一个半自主的对话式开发助手，AI 对编程无需复制粘贴
– [多模态 LangChain 代理在生产中](
https://github.com/steamship-packages/langchain-agent-production-starter)：部署 LangChain 代理并将其连接到 Telegram
– [DemoGPT](
https://github.com/melih-unsal/DemoGPT)：DemoGPT 使您能够仅通过提示快速创建演示。它在 Langchain 文档树上应用 ToT 方法
– [SuperAGI](
https://github.com/TransformerOptimus/SuperAGI)：SuperAGI – 一个面向开发者的开源自主 AI 代理框架
– [自主 HR 聊天机器人](
https://github.com/stepanogil/autonomous-hr-chatbot)：一个自主代理，可以使用手头的工具自主回答 HR 相关查询
– [BlockAGI](
https://github.com/blockpipe/blockagi)：BlockAGI 进行迭代的、特定领域的研究，并输出详细的叙述报告以展示其发现
– [waggledance.ai](
https://github.com/agi-merge/waggle-dance)：一个固执己见的、并发的 AI 代理系统。它实现了带有数据和工具的计划-验证-解决方法，用于通用目标解决
– [AI](
https://github.com/vercel-labs/ai)：Vercel 模板，用于使用 React、Svelte 和 Vue 构建 AI 驱动的应用程序，对 LangChain 提供一流支持
– [create-t3-turbo-ai](
https://github.com/zckly/create-t3-turbo-ai)：基于 t3 的、对 Langchain 友好的模板，用于构建类型安全的、全栈的、LLM 驱动的 Web 应用，使用 Nextjs 和 Prisma
– [LangChain.js LLM 模板](
https://github.com/Conner1115/LangChain.js-LLM-Template)：LangChain LLM 模板，允许您训练自己的自定义 AI LLM 模型
– [Streamlit 模板](
https://github.com/hwchase17/langchain-streamlit-template)：如何在 Streamlit 上部署 LangChain 的模板
– [Codespaces 模板](
https://github.com/lostintangent/codespaces-langchain)：Codespaces 模板，用于在几秒钟内开始使用 LangChain
– [Gradio 模板](
https://github.com/hwchase17/langchain-gradio-template)：如何在 Gradio 上部署 LangChain 的模板
– [AI 入门](
https://github.com/a16z-infra/ai-getting-started)：适用于周末项目的 Javascript AI 入门堆栈，包括图像/文本模型、向量存储、授权和部署配置
– [Embedchain](
https://github.com/embedchain/embedchain)：轻松创建基于任何数据集的 LLM 驱动机器人的框架
– [Modal](
https://modal.com/docs/guide/ex/potus_speech_qanda)：用于云/ML 计算的端到端堆栈
– [Metal](https://getmetal.io/)：Metal 是一种托管服务，允许您在无需管理基础设施的情况下构建 AI 产品
– [Graphsignal](https://graphsignal.com/)：AI 代理和 LLM 驱动应用的可观测性。在生产中追踪、监控和调试 LangChain
– [Mona](
https://github.com/monalabs/mona-openai)：实时监控您的 OpenAI 使用情况
– [Openllmetry](
https://github.com/traceloop/openllmetry)：基于 OpenTelemetry 的 LLM 应用的开源可观测性
Knowledge Management
– [Quiver](
https://github.com/StanGirard/quiver)：将您的大脑内容倾倒到您的生成型 AI 保险库中
– [DocsGPT](
https://github.com/arc53/docsgpt)：基于 GPT 的聊天，用于文档搜索和协助
– [Chaindesk](
https://github.com/gmpetrov/databerry)：用于语义搜索和文档检索的无代码平台
– [Knowledge GPT](
https://github.com/mmz-001/knowledge_gpt)：为您的文档提供准确的答案和即时引用
– [Knowledge](
https://github.com/KnowledgeCanvas/knowledge)：Knowledge 是一个工具，用于保存、搜索、访问和探索您所有喜爱的网站、文档和文件
– [Anything LLM](
https://github.com/Mintplex-Labs/anything-llm)：一个全栈应用程序，将任何文档转化为具有精美 UI 和更简单的工作区管理方式的智能聊天机器人
– [DocNavigator](
https://github.com/vgulerianb/DocNavigator)：AI 驱动的聊天机器人构建器，旨在改善产品文档/支持网站的用户体验
– [ChatFiles](
https://github.com/guangzhengli/ChatFiles)：上传您的文档，然后与之聊天。由 GPT / 嵌入 / TS / NextJS 驱动
– [DataChad](
https://github.com/gustavz/DataChad)：一个 streamlit 应用程序，让您可以与任何数据源聊天。支持 OpenAI 和本地模式，使用 GPT4All
– [Second Brain AI Agent](
https://github.com/flepied/second-brain-agent)：一个 streamlit 应用程序，使用 OpenAI 和 ChromaDB 本地自动与您的第二大脑笔记对话
– [examor](
https://github.com/codeacme17/examor)：一个网站应用程序，允许您根据您的知识笔记进行考试。让您真正记住您所学习和书写的内容
Other / Chatbots
– [DB GPT](
https://github.com/csunny/DB-GPT)：使用本地 GPT 与您的数据和环境互动，无数据泄露，100% 私密，100% 安全
– [AudioGPT](
https://github.com/AIGC-Audio/AudioGPT)：理解和生成语音、音乐、声音和会说话的头像
– [Paper QA](
https://github.com/whitead/paper-qa)：用于从带引用的文档中回答问题的 LLM 链
– [Chat Langchain](
https://github.com/hwchase17/chat-langchain)：专注于 LangChain 文档的问题回答的本地托管聊天机器人
– [Langchain Chat](
https://github.com/zahidkhawaja/langchain-chat-nextjs)：LangChain 聊天的另一个 Next.js 前端
– [Book GPT](
https://github.com/fraserxu/book-gpt)：上传一本书，开始提问
– [Chat LangchainJS](
https://github.com/sullivan-sean/chat-langchainjs)：Chat Langchain 的 NextJS 版本
– [Doc Search](
https://github.com/namuan/dr-doc-search)：与书籍对话 – 使用 GPT-3 构建
– [Fact Checker](
https://github.com/jagilley/fact-checker)：使用 langchain 对 LLM 输出进行事实核查
– [MM ReAct](
https://github.com/microsoft/MM-REACT)：多模态 ReAct 设计
– [QABot](
https://github.com/hardbyte/qabot)：使用 langchain 和 openai 的自然语言查询查询本地或远程文件或数据库
– [GPT Automator](
https://github.com/chidiwilliams/GPT-Automator)：您的语音控制 Mac 助手
– [Teams LangchainJS](
https://github.com/SidU/teams-langchain-js)：使用 Teams / Bot Framework 机器人演示 LangChainJS
– [ChatGPT](
https://github.com/biff-ai/chatgpt-langchainjs-example)：ChatGPT 和 langchain 示例，适用于 node.js 和 Docker
– [FlowGPT](
https://github.com/nilooy/flowgpt)：使用 AI 生成图表
– [langchain-text-summarizer](
https://github.com/alphasecio/langchain-text-summarizer)：使用 LangChain 汇总文本的示例 streamlit 应用程序
– [Langchain Chat Websocket](
https://github.com/pors/langchain-chat-websockets)：关于通过 websockets 流式传输响应的 LangChain LLM 聊天
– [langchain_yt_tools](
https://github.com/venuv/langchain_yt_tools)：Langchain 工具，用于搜索/提取/转录 Youtube 视频的文本记录
– [SmartPilot](
https://github.com/jaredkirby/SmartPilot)：一个 Python 程序，利用 OpenAI 的语言模型生成、分析并选择对给定问题的最佳答案
– [Howdol](
https://github.com/bborn/howdoi.ai)：一个能回答问题的有用聊天机器人
– [MrsStax](
https://github.com/normandmickey/MrsStax)：QA Slack 机器人
– [ThoughtSource?](
https://github.com/OpenBioLink/ThoughtSource)：机器思维科学的框架
– [ChatGPT Langchain](
https://huggingface.co/spaces/JavaFXpert/Chat-GPT-LangChain)：在 Huggingface 上使用 langchain 的 ChatGPT 克隆
– [Chat Math Techniques](
https://huggingface.co/spaces/JavaFXpert/gpt-math-techniques)：在 Huggingface 上使用 langchain 聊天的数学技巧
– [Notion QA](
https://github.com/hwchase17/notion-qa)：Notion 问答机器人
– [QNimGPT](
https://huggingface.co/spaces/rituthombre/QNim)：与 IBM 量子计算机模拟器或 OpenAI GPT-3.5 对战 Nim 游戏
– [ChatPDF](
https://github.com/akshata29/chatpdf)：ChatGPT + 使用 Azure OpenAI 的企业数据
– [与扫描文档聊天](
https://github.com/tony-xlh/Chat-with-Scanned-Documents)：与使用 Dynamic Web TWAIN 扫描的文档聊天的演示
– [snowChat ??](
https://github.com/kaarthik108/snowChat)：与您的 snowflake 数据库聊天
– [Airtable-QnA](
https://github.com/ikram-shah/airtable-qna)： 用于您的 Airtable 内容的问答工具
– [WingmanAI](
https://github.com/e-johnstonn/wingmanAI)：用于与系统和麦克风音频的实时转录互动的工具
– [TutorGPT](
https://github.com/plastic-labs/tutor-gpt)：用于辅导任务的动态少镜头元提示
– [Cheshire Cat](
https://github.com/cheshire-cat-ai/core)：自定义 AGI 机器人，具有现成的聊天集成和插件开发平台
– [Got Chaat Bot](
https://github.com/parker84/GoT-chat-bot)：创建 GoT 聊天机器人的仓库（例如：与 Tyrion Lannister 聊天）
– [Dialoqbase](
https://github.com/n4ze3m/dialoqbase)：允许您使用自己的知识库创建自定义聊天机器人的 Web 应用程序
– [CSV-AI ](
https://python.langchain.com/en/latest/modules/indexes/document_loaders/examples/snowflake.html)：CSV-AI 是由 LangChain 驱动的终极应用程序，可让您在 CSV 文件中发现隐藏的洞察
– [MindGeniusAI](
https://github.com/xianjianlf2/MindGeniusAI)：使用 ChatGPT 自动生成思维导图
– [Robby-Chatbot](
https://github.com/yvann-hub/Robby-chatbot)：AI 聊天机器人 ，用于与 CSV、PDF、TXT 文件 和 YTB 视频 聊天 | 使用 Langchain | OpenAI | Streamlit ?
– [AI Chatbot](
https://github.com/vercel-labs/ai-chatbot)：Vercel Labs 构建的功能齐全、可定制的 Next.js AI 聊天机器人
– [Instrukt](
https://github.com/blob42/Instrukt)：终端中的完整 AI 环境。构建、测试和指导代理
– [OpenChat](
https://github.com/openchatai/OpenChat/)：LLM 自定义聊天机器人控制台 ?
– [Twitter Agent](
https://github.com/ahmedbesbes/twitter-agent/)：抓取推文，汇总它们，并在交互式终端中与它们聊天
– [GPT Migrate](
https://github.com/0xpayne/gpt-migrate)：轻松将您的代码库从一个框架或语言迁移到另一个
– [Code Interpreter API](
https://github.com/shroominic/codeinterpreter-api)：关于 ChatGPT 代码解释器的开源实现
– [Recommender](
https://github.com/vishwasg217/recommender)：创建符合您业务需求的引人入胜的电子邮件营销活动
– [Autonomous HR Chatbot](
https://github.com/stepanogil/autonomous-hr-chatbot)：一个可以使用工具回答用户查询的自主 HR 代理
– [Lobe Chat](
https://github.com/lobehub/lobe-chat)：一个开源、可扩展（函数调用）、高性能的聊天机器人框架
– [Funcchain](
https://github.com/shroominic/funcchain)：编写提示，Python 风格
– [PersonalityChatbot](
https://github.com/btrcm00/chatbot-with-langchain)：使用 Langchain | LangSmith | MongoDB 的 Langchain 聊天机器人，具有个性化聊天功能
笔记
– [Langchain 教程](
https://github.com/gkamradt/langchain-tutorials)：LangChain 库的概述和教程
– [LangChain 中文入门指南](
https://github.com/liaokongVFX/LangChain-Chinese-Getting-Started-Guide)：面向初学者的中文 LangChain 教程
– [Flan5 LLM](
https://colab.research.google.com/drive/1AVh9dOsG9DKzfK7gOFrJuitPIcLPqlbO?usp=sharing)：使用 LangChain 进行思维链和多任务指令的 PDF 问答，Flan5 在 HuggingFace 上
– [LangChain 手册](
https://github.com/pinecone-io/examples/tree/master/generation/langchain/handbook)：Pinecone / James Briggs 的 LangChain 手册
– [查询 YouTube 视频字幕](
https://colab.research.google.com/drive/1sKSTjt9cPstl_WMZ86JsgEqFG-aSAwkn?usp=sharing)：查询 YouTube 视频字幕，返回时间戳作为来源以合法化答案
– [llm-lobbyist](
https://github.com/JohnNay/llm-lobbyist)：大型语言模型作为企业游说者
– [Langchain 语义搜索](
https://github.com/venuv/langchain_semantic_search)：使用 GPT3、LangChain 和 Python 搜索和索引您自己的 Google Drive 文件
– [GPT 政治指南针](
https://colab.research.google.com/drive/1xt2IsFPGYMEQdoJFNgWNAjWGxa60VXdV)
– [llm-grovers-search-party](
https://github.com/JavaFXpert/llm-grovers-search-party)：利用 Qiskit、OpenAI 和 LangChain 展示 Grover 算法
– [TextWorld ReAct 代理](
https://colab.research.google.com/drive/19WTIWC3prw5LDMHmRMvqNV2loD9FHls6?usp=sharing)
– [LangChain <> Wolfram Alpha](https://colab.research.google.com/drive/1AAyEdTz-Z6ShKvewbt1ZHUICqak0MiwR?usp=sharing)
– [自带知识图谱](
https://github.com/prof-frink-lab/slangchain/blob/main/docs/modules/knowledge_graph/examples/byo_knowledge_graph.ipynb)
– [大型语言模型课程](
https://github.com/peremartra/Large-Language-Model-Notebooks-Course)
视频
– [Sam Witteveen 的 LangChain 系列](
https://www.youtube.com/watch?v=J_0qvRt4LNk&list=
PL8motc6AQftk1Bs42EW45kwYbyJ4jOdiZ)
– [LangChain 教程播放列表](
https://www.youtube.com/playlist?list=
PL611FKPtL866MnlDPHvI3KwVGqCB-QJAx)
– [James Briggs 的 LangChain 播放列表](
https://www.youtube.com/watch?v=nE2skSRWTTs&list=
PLIUOU7oqGTLieV9uTIFMm6_4PXg-hlN6F)
– [Greg Kamradt 播放列表](
https://www.youtube.com/watch?v=_v_fgW2SkkQ&list=
PLqZXAkvF1bPNQER9mLmDbntNfSpzdDIU5)
